論文の概要: Learning Expert Strategy for Autonomous Robotic Endovascular Intervention via Decoupled Procedural Execution
- arxiv url: http://arxiv.org/abs/2607.00066v1
- Date: Tue, 30 Jun 2026 13:45:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.604643
- Title: Learning Expert Strategy for Autonomous Robotic Endovascular Intervention via Decoupled Procedural Execution
- Title（参考訳）: 自律型ロボット血管インターベンションの専門的学習戦略
- Authors: Yanxi Chen, Tianliang Yao, Shaolong Tang, Jiyuan Zhao, Hengyu Hu, Zhaoxing Li, Antonio J. Sánchez Egea, Peng Qi,
- Abstract要約: 学習に基づくエキスパート戦略を導入し、血管内介入における手続き的整合性を高める。
このフレームワークは、高い航法成功率(>96%)と29.3%の運用手順を達成している。
これらの結果は、ロボット血管の介入の予測可能性、安全性、一貫性を高める可能性を強調している。
- 参考スコア（独自算出の注目度）: 4.864807117604499
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Endovascular interventions are high-stakes procedures requiring precise device operation within complex and tortuous vascular anatomies. Autonomous endovascular navigation has the potential to standardize procedural quality and reduce the performance variability inherent in manual operation. Although Reinforcement Learning (RL) approaches have demonstrated promise in enabling autonomy in endovascular intervention, they often struggle with explicit constraint satisfaction and safety guarantees. To address these challenges, a learning-based expert strategy is introduced, enhancing procedural consistency in autonomous endovascular intervention by explicitly decoupling high-level strategic decision-making from low-level procedural execution. The proposed framework replicates the expert clinical decision-making process: a strategic RL policy generates global navigation intents, which are subsequently refined through an expert-informed execution module. This module ensures that robot movements strictly adhere to expert operational norms, real-time kinematic limits, and vessel safety constraints. Experimental evaluation across high-fidelity 3D simulations and a real-world robotic platform demonstrates that the proposed framework not only outperforms baseline policies but also effectively replicates expert-level proficiency. The framework achieves a high navigation success rate (> 96%) and a 29.3% reduction in operational steps, which translates to enhanced operative efficiency and minimized device-vessel interaction. Furthermore, a 13% reduction in trajectory variance indicates superior procedural standardization, aligning autonomous behavior with established clinical norms. These results underscore its potential to enhance the predictability, safety, and consistency of robotic endovascular interventions.
- Abstract（参考訳）: 血管内インターベンションは、複雑な血管解剖学および硬質血管解剖学において、精密な装置操作を必要とする高用量手術である。
自律血管ナビゲーションは、手続き的品質を標準化し、手動操作に固有のパフォーマンスの変動を低減する可能性がある。
強化学習(Reinforcement Learning, RL)アプローチは、血管内介入における自律性の実現を約束しているが、明示的な制約満足度と安全性保証に苦慮することが多い。
これらの課題に対処するために、学習ベースのエキスパート戦略を導入し、低レベルの手続き的実行から高レベルの戦略的意思決定を明示的に分離することで、自律的な血管内介入における手続き的整合性を高める。
戦略的なRLポリシはグローバルなナビゲーションインテントを生成し,その後,専門家にインフォームドされた実行モジュールを通じて改善する。
このモジュールは、ロボットの動きが専門の作業規範、リアルタイムの運動制限、船舶の安全制約に厳密に準拠することを保証する。
高忠実度3Dシミュレーションと実世界のロボットプラットフォームを用いた実験により,提案手法が基本方針を上回るだけでなく,専門家レベルの習熟度を効果的に再現できることが実証された。
このフレームワークは、高い航法成功率(>96%)と29.3%の運用段階の削減を実現し、作業効率の向上とデバイスと車両の相互作用の最小化に繋がる。
さらに、軌道分散の13%の減少は、より優れた手続き的標準化を示し、自律的な行動と確立された臨床規範とを整合させる。
これらの結果は、ロボット血管の介入の予測可能性、安全性、一貫性を高める可能性を強調している。
関連論文リスト
- Towards a Virtual Neuroscientist: Autonomous Neuroimaging Analysis via Multi-Agent Collaboration [53.772014300855375]
我々は,自律型エンドツーエンド神経画像解析のためのマルチエージェントシステムであるNIAgentを紹介する。
従来のフラットなツール呼び出しエージェントとは異なり、NIAgentはコード中心の実行パラダイムを採用している。
本稿では,コホートレベルの検定とエージェント視覚検査を組み合わせた,自律的品質管理のための階層的検証フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-10T06:30:19Z) - Beyond Prompt: Fine-grained Simulation of Cognitively Impaired Standardized Patients via Stochastic Steering [58.85421622061983]
認知障害患者の微粒化シミュレーションのためのStsPatientを提案する。
対照的な命令と応答のペアからステアリングベクトルを抽出することにより、ドメイン固有の特徴を捉える。
StsPatientは、臨床の信頼性と重症度の両方において、ベースラインを著しく上回る。
論文 参考訳（メタデータ） (2026-04-14T02:37:46Z) - Sample-Efficient Learning with Online Expert Correction for Autonomous Catheter Steering in Endovascular Bifurcation Navigation [9.822810178672782]
強化学習(Reinforcement Learning, RL)は, 自律型カテーテルステアリングにおいて有望なアプローチである。
本稿では,自動カテーテルステアリングのためのオンライン専門家補正機能を備えたサンプル効率のよいRLフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-23T07:58:08Z) - MedSAM-Agent: Empowering Interactive Medical Image Segmentation with Multi-turn Agentic Reinforcement Learning [53.37068897861388]
MedSAM-Agentは、対話的なセグメンテーションを多段階の自律的な意思決定プロセスとして再構築するフレームワークである。
マルチターン・エンド・ツー・エンドの成果検証を統合した2段階のトレーニングパイプラインを開発した。
6つの医療モダリティと21のデータセットにわたる実験は、MedSAM-Agentが最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2026-02-03T09:47:49Z) - AI-Driven Evaluation of Surgical Skill via Action Recognition [4.92174988745803]
マイクロアナコシス性能の自動評価のためのAI駆動型フレームワークを提案する。
マイクロアナコシススキルの5つの側面、例えば、全体的な動作実行、プロシージャクリティカルアクション中の運動品質、一般的な楽器ハンドリングについて評価する。
論文 参考訳（メタデータ） (2025-12-30T18:45:34Z) - Kinematic-Based Assessment of Surgical Actions in Microanastomosis [4.92174988745803]
マイクロアナコシスにおける自動動作セグメンテーションとパフォーマンスアセスメントのためのAI駆動型フレームワークを提案する。
58人の専門家によるマイクロアナコシスビデオのデータセットは、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2025-12-30T02:18:49Z) - DINO-CVA: A Multimodal Goal-Conditioned Vision-to-Action Model for Autonomous Catheter Navigation [0.33727511459109777]
本研究は,マルチモーダルな目標条件行動クローニングフレームワークであるDINO-CVAの導入により,自律カテーテルナビゲーションへ移行する。
提案モデルでは,視覚観測とジョイスティックのキネマティクスを統合埋め込み空間に融合し,視覚とキネマティクスの両方を意識したポリシーを実現する。
その結果, DINO-CVAは動作予測の精度が高く, キネマティクスのみのベースラインの性能と一致していることがわかった。
論文 参考訳（メタデータ） (2025-10-19T22:59:32Z) - Safe Navigation for Robotic Digestive Endoscopy via Human Intervention-based Reinforcement Learning [5.520042381826271]
既存の強化学習ナビゲーションアルゴリズムは、しばしば潜在的に危険な衝突を引き起こす。
RDEの安全性を高めるために専門家の知識を取り入れたHI-PPOと呼ばれるHuman Intervention(HI)ベースのプロキシポリシー最適化フレームワークを提案する。
その結果、HI-PPO は平均 ATE (8.02 textmm) とセキュリティスコア (0.862) を達成し、人間の専門家に匹敵する性能を示した。
論文 参考訳（メタデータ） (2024-09-24T03:01:30Z) - Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。
本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
論文 参考訳（メタデータ） (2023-05-09T11:42:53Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。